Un modelo de clasificación de lesiones cutáneas ingeniosamente diseñado en conjuntos de datos clínicos y...

Área de la Ciencia:

• Inteligencia artificial
• Imágenes médicas
• Dermatología

Sus antecedentes:

• El diagnóstico de cáncer de piel es un desafío debido a la similitud visual de las lesiones y los conjuntos de datos limitados.
• La detección precisa y temprana del cáncer de piel es crucial para los resultados del paciente.
• Las herramientas de diagnóstico existentes enfrentan limitaciones en el manejo de diversas modalidades de imagen.

Objetivo del estudio:

• Desarrollar un modelo robusto de aprendizaje profundo para clasificar lesiones cutáneas a partir de imágenes clínicas y dermatoscópicas.
• Para abordar los desafíos de la extracción de características, la fusión de contexto global y el desequilibrio de datos en la clasificación de lesiones cutáneas.
• Mejorar la precisión y fiabilidad del diagnóstico automatizado del cáncer de piel.

Principales métodos:

• Introducción de HybridSkinFormer, una arquitectura de aprendizaje profundo en dos etapas.
• Utilizando una red neuronal convolucional de múltiples capas (ConvNet) para la extracción de características locales.
• El uso de un módulo de atención multi-cabeza residual para la fusión de contexto global.
• Incorpora una nueva función de activación StarPRelu y pérdida focal mejorada (EFLoss).

Principales resultados:

• HybridSkinFormer logró un rendimiento de vanguardia en un conjunto de datos híbrido de 37,483 imágenes en nueve clases.
• Demostró una precisión general del 94,2%, una precisión macro del 91,1% y un recuerdo macro del 91,0%.
• Superó los nueve modelos de línea de base de la Red Neural Convolucional (CNN) y el Transformador de Visión (ViT).

Conclusiones:

• HybridSkinFormer clasifica eficazmente las lesiones cutáneas a partir de datos multimodales.
• Los componentes novedosos del modelo abordan desafíos clave en el aprendizaje profundo para imágenes médicas.
• Su rendimiento destaca una utilidad clínica significativa para la detección temprana del cáncer de piel, particularmente en entornos con recursos limitados.